Отслужив, Хастингс решает продолжить образование – и, хотя по его же собственному признанию, он не смог поступить в Массачусетский технологический институт, в не менее престижный Стэнфордский университет молодого человека приняли. В 1988 году Рид получает степень магистра компьютерных наук.

Деятельность

Первую работу по специальности молодой человек получил в компании Adaptive Technology, где разработал приложение для отладки программного обеспечения. В 1991-м Хастингс покидает компанию, чтобы основать свою собственную – Pure Software, специализирующуюся на ПО для диагностики и устранения неполадок.

Решиться открыть свой бизнес Риду было не трудно (Хастингс уверяет, что после того, как он прокатился автостопом по Африке с десятью долларами в кармане, ему уже не страшны бизнес-авантюры), но к успеху, который ждал компанию, он явно не был готов. Недостаток управленческого опыта Рида в конце концов привел к тому, что в 1997 году его компанию поглотил гигант индустрии – Rational Software, причем в ходе поглощения детище Хастингса потеряло 42% акций. Через некоторое время Рид покинул компанию, и два года размышлял о том, как не допустить подобных ошибок при управлении следующим стартапом.

Время Netflix

В 1997 году Рид Хастингс и его бизнес-партнер Марк Рэндольф основывают Netflix – компанию, которая первоначально занималась видеопрокатом, а в 2008 году вступила в эру потокового видео, чтобы сегодня стать главным в мире потоковым сервисом с более чем 50 миллионами подписчиков по всему миру.

Компания собирает и обрабатывает данные о подписчиках – чтобы понять их предпочтения. Big Data в случае Netflix – это не просто большие данные в буквальном смысле слова, это – комбинация информации и новейших аналитических методов.

Большие данные присутствуют во всех аспектах деятельности Netflix, но «святой Грааль» компании – это возможность точно предсказывать, что понравится клиенту. Анализ больших данных – это то «топливо», на котором работают рекомендательные системы сервиса, созданные как раз для того, чтобы воплощать эту идею на практике.

Прогнозирование зрительского поведения. Как только потоковый метод стал основным методом передачи контента, компании стали доступны дополнительные данные о клиентах, такие как информация о времени суток, когда клиенты предпочитают смотреть фильмы, времени, затраченном на выбор фильма и о том, как часто зрители прерывают просмотр (как самостоятельно, так и из-за ограничений сети) – все это стало возможно измерить и изучить. Стало очевидно, что все это влияет на степень удовольствия от просмотра видео (принимая во внимание информацию о зрительском рейтинге фильма) – и следующим шагом стало построение моделей, позволяющих прогнозировать ситуацию «идеального шторма», когда клиенту постоянно предлагаются фильмы, которые непременно ему понравятся. А довольные пользователи, естественно, с большей долей вероятности будут продлевать подписку на сервис.
Создание «хита сезона» на основе данных о предпочтениях пользователей. Не так давно компания Netflix занялась производством собственного контента. Причем стратегия диверсификации также опиралась на анализ данных – модель спрогнозировала повышенный интерес пользователей к гипотетическому контенту, в котором режиссером бы выступил Дэвид Финчер, а главную роль бы сыграл Кевин Спейси. Так появился «идеальный сериал» — небезызвестный «Карточный домик», который действительно «выстрелил». Компания, воодушевившись успехом и вооружившись работающей моделью, решила продолжить диверсификацию в этом направлении.